CN103687004B - 基于累积概率分布的终端信号强度自校正的wifi定位方法 - Google Patents

Abstract

本发明公开一种基于累积概率分布的终端信号强度自校正的WIFI定位方法，其包括如下步骤：步骤1：首先对指纹数据库划分为多个网格形成网格状结构，并对每个网格计算其内部所有WIFI热点的接收信号强度RSS的累积概率分布；步骤2：接收定位终端的定位请求，解析该定位请求，创建指纹数据库中与该定位终端对应的网格的累积概率分布函数F_r，以及该定位终端的累积概率分布函数F_u；累积概率分布函数表示所有小于等于x的RSS值所出现的概率的和；步骤3：利用该定位终端的累积概率分布函数对定位终端的接收信号强度RSS进行校正。

Description

基于累积概率分布的终端信号强度自校正的WIFI定位方法

技术领域

本发明属于WIFI定位技术领域，尤其涉及一种基于累积概率分布的终端信号强度自校正的WIFI定位方法。

背景技术

在基于WLAN接收信号强度(Received Signal Strength，RSS)的定位技术中，指纹匹配算法得到最为广泛的研究和应用，是因为指纹匹配算法可以向用户提供精度较高的定位服务。

指纹匹配算法依靠表征目标特征的数据库进行识别。其过程主要分为训练与定位两个阶段。训练阶段的目标在于建立一个指纹数据库。首先，设计网格状结构的参考点分布，参考点间距不超过1米，确保能为定位阶段的准确位置估计提供足够的信息。接着依次在各个参考点上测量来自不同WIFI热点（例如AP）组成的RSS向量，将相应的MAC地址与参考点的位置信息记录在数据库中，直至遍历关注区域内所有的参考点。由于受环境影响，无线信号强度并不稳定，为了克服RSS不稳定对定位的影响，通常在每个参考点上多次测量取平均。定位阶段则是在给定数据库后，依据一定的匹配算法将待测点上接收的RSS向量与数据库中的已有数据进行比较，计算位置估计值。

但是在实际使用过程中，难免会出现参考指纹终端（建立指纹数据库的终端）和定位终端类型不一致的情况。由于终端类型不同，即使在同一位置接收同一WIFI热点的信号强度依然会存在差异，那么就会造成指纹的不一致，从而大大降低了定位的精度。

针对上述问题，目前已经进行了很多的研究并提出了一些解决方案。例如基于秩次的算法，该算法可以避免不同终端对信号强度造成的干扰，但是这个算法有一个缺陷就是没有能将信号强度的细节考虑进来，因此定位精度并不能达到理想的程度。

发明内容

因此，针对上述的问题，本发明提出一种基于累积概率分布的终端信号强度自校正的WIFI定位方法，其利用定位终端累积概率分布终端信号强度的自动化校正，大大降低了不同类型的定位终端对定位精度造成的影响，提高了定位精度，从而解决现有技术之不足。

一些实验表明，不同定位终端在同一地点接收到同一WIFI热点的信号强度虽然是不同的，但是二者却具有线性的关系，如下述公式（1）所示：

式中和分别代表定位终端1和定位终端2在位置l_i处接收到的第j个WIFI热点的平均信号强度。因此当采集到足够多的这些定位终端的WIFI热点信号强度的时候，就可以采用最小二乘等方法求得式（1）中的α和β值，进而将这两个值用于定位终端的定位过程中。这种方法可以比较好的解决基于秩次的指纹匹配优化定位方法中存在的问题，但是这种方法本身也存在一定的缺陷。这种方法需要采集大量的样本数据以用于拟合直线，因此校正初始过程较长。针对上述解决方案中所存在的问题，我们提出一种基于累积概率分布（ecdf）终端信号强度自校准的WIFI指纹定位方法。因此本方法主要解决以下几个问题：解决了由于定位终端的类型不同造成的指纹匹配精度下降，大大提高了定位精度；利用累积概率分布的方法统一并简化了样本选取规则，从而使信号强度的校正过程实现自动化，进而提高了定位速度。

其中累积概率分布介绍如下：

累积概率分布函数F(x)表示所有小于等于x的RSS值，其所出现的概率的和，其反函数F^-1(y)则可以用来表示在特定累积概率y下的RSS值。公式1则可以表示为公式2。

具体的，本发明的基于累积概率分布的终端信号强度自校正的WIFI定位方法，包括如下步骤：

步骤1：首先对指纹数据库划分为多个网格形成网格状结构，并对每个网格计算其内部所有WIFI热点的接收信号强度RSS的累积概率分布；

步骤2：接收定位终端的定位请求，解析该定位请求，创建指纹数据库中与该定位终端对应的网格的累积概率分布函数F_r，以及该定位终端的累积概率分布函数F_u；累积概率分布函数表示所有小于等于x（预设值）的RSS值所出现的概率的和；网格的累积概率分布：网格存在于指纹数据库中，因此它是定位参考的累积概率分布。定位终端累积概率分布则是对应于定位终端。

步骤3：利用该定位终端的累积概率分布函数对定位终端的接收信号强度RSS进行校正，具体包括以下步骤：

步骤31：对应于概率{0.1,0.2,0.3,...,0.9}，分别取定位终端的累积概率分布函数F_u和网格的累积概率分布函数F_r中的接收信号强度RSS值，记为向量和向量其中，取概率{0.1,0.2,0.3,...,0.9}，这个九个概率是在概率区间段中取出的九个概率值，对应于这些概率值取出定位终端和定位参考终端的信号强度，这些概率值可以认为是取样本的参考值（是针对定位终端和定位参考终端的参考值）；同时，这9个概率值均匀分布在整个概率区间内，可以较好的拟合出校正概率分布的参数；

步骤32：利用和根据公式采用最小 二乘法计算出α、β；

步骤33：根据公式对定位终端的当前指纹f进行变换获取校正后指纹指纹f是定位终端在定位时候产生的指纹；式中是指在某地点所采集到的单个WIFI热点的信号强度值，指纹f则是指在某一地点所采集到的指纹，即一系列的WIFI热点MAC及其对应的信号强度分布；因为在信号采集过程中，不同终端在同一地点所采集的同一WIFI热点的信号强度会有所成差别，在定位过程中会对定位结果造成相应的影响。本专利的目的就是找到一种算法，能够高效的找出定位参考终端（抑或说是参考指纹）与定位终端信号强度概率分布的差异，将定位终端的信号强度概率分布归一化到定位参考终端，以消除这种差异所造成的影响；

步骤34：利用变换后指纹和指纹数据库，根据指纹匹配算法和KNN算法计算出用户的精确位置。

进一步的，所述步骤2具体包括如下步骤：

步骤21：首先接收定位终端的定位请求，解析该定位请求，基于MAC地址定位获取定位终端的位置l₀；

步骤22：利用定位终端的位置l₀获取该定位终端所在的网格，同时定位终端将最新采集到的指纹记录入集合φ，集合φ的值用于创建定位终端的累积概率分布函数；

步骤23：执行跨网格判断，如果是初次定位则转到步骤24；如果此次定位网格与上次定位的网格不同，则执行步骤24，否则转到步骤3；

步骤24：获取对应网格的累积概率分布函数F_r，以用于接收信号强度RSS校正的参考概率分布；利用集合φ中接收信号强度RSS值创建定位终端的累积概率分布F_u，然后清空集合φ。执行步骤3；

步骤25：判断集合φ中指纹数量是否达到更新定位终端累积概率分布阈值，如果达到则将集合中接收信号强度RSS值用于更新定位终端的累积概率分布F_u，然后清空集合φ；否则不执行更新定位终端的累积概率分布F_u的操作。

进一步的，所述步骤1中，指纹数据库按照200m×200m的网格进行划分。之所以选择200×200m，是因为现用的WIFI热点覆盖范围绝大多数实在200m以内，因此取这个值作为索引网格，基本可以覆盖定位终端所能接受到底WIFI热点。同时这样做也可以大大降低计算量和计算复杂度，进而提升定位速度。

本发明基于排除不同定位终端设备对定位精度的影响考虑，利用定位终端累积概率分布终端信号强度的自动化校正，大大降低了由于终端类型不同对定位精度造成的影响，提高了定位的精度；同时利用累积概率分布的方法统一并简化了样本选取规则，从而使信号强度的校正过程实现自动化，进而提高了定位速度。

附图说明

图1为三个不同终端在同一地区所采集到的累积概率分布情况；

图2为本发明的WIFI定位方法的流程图。

具体实施方式

现结合附图和具体实施方式对本发明进一步说明。

累积概率分布介绍如下：

累积概率分布函数F(x)表示所有接收信号强度RSS值小于x的累积概率分布情况，其反函数F^-1(y)则可以用来表示在特定累积概率y下的接收信号强度RSS值。那么公式（1）则可以表示为公式（2）：

附图1表示的是三个不同终端在同一地区所采集到的累积概率分布情况。

参见图2，本发明的基于累积概率分布的终端信号强度自校正的WIFI定位方法，其算法实现流程如下：

步骤一、首先对指纹数据库按照200m×200m的网格进行划分。并对每个网格生成其内部所有WIFI热点接收信号强度RSS的累积概率分布；

步骤二、用户持有定位终端定位，开始执行以下步骤：

步骤2.1首先基于MAC定位获取位置l₀；

步骤2.2利用位置l₀获取用户所在网格；与此同时终端将最新采集到指纹记录入集合φ，这些值用于创建定位终端的累积概率分布；

步骤2.2执行跨网格判断，初次定位直接执行步骤2.3。如果此次定位网格与上次定位网格不同则执行步骤2.3；否则执行步骤三；

步骤2.3获取对应网格累积概率分布函数F_r，以用于接收信号强度RSS校正的参考概率分布；利用集合φ中接收信号强度RSS值创建终端累积概率分布F_u，然后清空集合φ；执行步骤三；

步骤2.4判断集合φ中指纹数量是否达到更新定位终端累积概率分布阈值，如果达到则将集合中接收信号强度RSS值用于更新F_u，然后清空集合φ；否则不执行更新F_u的操作；执行步骤三；

步骤三、定位终端自校正：

步骤3.1对应概率为{0.1,0.2,0.3,...,0.9}，分别取F_u和F_r中接收信号强度RSS值计入向量和

步骤3.2利用和根据公式2，采用最小二乘法计算出α、β

步骤3.3计算出α、β之后，根据公式（1）对定位终端当前指纹f进行变换，获取校正后指纹

步骤3.4利用变换后指纹和指纹数据库，根据指纹匹配算法和KNN算法计算出用户的精确位置。

本发明基于排除不同定位终端设备对定位精度的影响考虑，利用定位终端累积概率分布终端信号强度的自动化校正，大大降低了由于终端类型不同对定位精度造成的影响，提高了定位的精度；同时利用累积概率分布的方法统一并简化了样本选取规则，从而使信号强度的校正过程实现自动化，进而提高了定位速度。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (3)

1.基于累积概率分布的终端信号强度自校正的WIFI定位方法，包括如下步骤：

步骤1：首先对指纹数据库划分为多个网格形成网格状结构，并对每个网格计算其内部所有WIFI热点的接收信号强度RSS的累积概率分布；

步骤2：接收定位终端的定位请求，解析该定位请求，创建指纹数据库中与该定位终端对应的网格的累积概率分布函数F_r，以及该定位终端的累积概率分布函数F_u；累积概率分布函数表示所有小于等于x的RSS值所出现的概率的和；

步骤3：利用该定位终端的累积概率分布函数对定位终端的接收信号强度RSS进行校正，具体包括以下步骤：

步骤31：对应于概率{0.1,0.2,0.3,...,0.9}，分别取定位终端的累积概率分布函数F_u和网格的累积概率分布函数F_r中的接收信号强度RSS值，记为向量和向量

步骤32：累积概率分布介绍如下：

累积概率分布函数F(x)表示所有小于等于x的RSS值，其所出现的概率的和，其反函数F^-1(y)则可以用来表示在特定累积概率y下的RSS值；那么公式则可以表示为如下公式：

利用和根据公式y∈{0.1,0.2,...,0.9}，计算出α、β；

步骤33：根据公式对定位终端的当前指纹f进行变换获取校正后指纹式中是指在某地点所采集到的单个WIFI热点的信号强度值；指纹f是定位终端在定位时候产生的指纹；和分别代表定位终端1和定位终端2在位置l_i处接收到的第j个WIFI热点的平均信号强度；

步骤34：利用变换后指纹和指纹数据库，计算出用户的精确位置。

2.根据权利要求1所述的WIFI定位方法，其特征在于：所述步骤2具体包括如下步骤：

步骤21：首先接收定位终端的定位请求，解析该定位请求，基于MAC地址定位获取定位终端的位置l₀；

步骤22：利用定位终端的位置l₀获取该定位终端所在的网格，同时定位终端将最新采集到的指纹记录入集合φ，集合φ的值用于创建定位终端的累积概率分布函数；

步骤23：执行跨网格判断，如果是初次定位则转到步骤24；如果此次定位网格与上次定位的网格不同，则执行步骤24，否则转到步骤3；

步骤24：获取对应网格的累积概率分布函数F_r，以用于接收信号强度RSS校正的参考概率分布；利用集合φ中接收信号强度RSS值创建定位终端的累积概率分布F_u，然后清空集合φ，执行步骤3；

步骤25：判断集合φ中指纹数量是否达到更新定位终端累积概率分布阈值，如果达到则将集合中接收信号强度RSS值用于更新定位终端的累积概率分布F_u，然后清空集合φ；否则不执行更新定位终端的累积概率分布F_u的操作。

3.根据权利要求1所述的WIFI定位方法，其特征在于：所述步骤1中，指纹数据库按照200m×200m的网格进行划分。